基于多层过滤的第三方物流服务商选择

　　摘要：本文在第三方物流服务商选择的过程中，采用了多层过滤的方法。首先，采用DEA 方法对参加竞标的物流服务商进行了相对有效性评价，在此基础上，采用交叉效率法对DEA的评价结果作了进一步的改进。最后，将定量的评价结果与定性指标融合在一起，采用AHP方法做综合评判，选出合适的物流服务商。
　　关键词：第三方物流服务商 层次分析法 数据包络分析 交叉效率
　　中图分类号：F224 文献标识码：A
　　
　　引言
　　
　　第三方物流服务商的选择是企业物流业务外包的核心问题，需要考虑许多定性和定量因素，属于多属性决策评价问题。目前第三方物流的选择大多以定性为主，文献[1]从发展潜力、物流技术、物流设备、服务质量四个方面运用AHP方法对备选的第三方物流服务商进行了评价。文献[2]从服务、联盟性、经验、企业势力、价格五个方面运用模糊决策和AHP方法解决第三方物流的选择问题。文献[3]从价格、赔付率、交货周期、服务水平四个方面运用AHP方法对第三方物流服务的选择问题进行了研究。AHP方法对一些定性问题的相对量化有一定作用，但具有较强的主观性；对定量问题的评价研究，文献[4]认为供应商的选择方法可分为线性加权方法、数学规划法、统计/概率方法等，但这些方法对加权因子的评价具有较强的随意性。采用DEA方法可以避免权重因子的确定受人为因素的影响，但用经典的DEA方法评价同类决策单元（DMUs）的相对有效性时，有多个DMU的相对有效性为1，由于该模型是以指标权重为变量进行优化的，在每个决策单元的相对有效性评价时，权重的变化都是朝着该单元最有力的方向变化，权重的数值可能与实际并不相符。因此，经典DEA模型的评价结果是相对有效的，而非绝对有效的。
　　本文评价的基本准则是定量为主，定性为辅。基本思路是首先采用DEA方法对参加竞标的第三方物流服务商做相对有效性评价；然后，选取相对有效性为1的企业作交叉效率的评价，目的是去除那些相对有效为1，但权重与实际不太相符的备选物流服务商；最后，根据实际需要，选取几个平均交叉效率较高的物流服务商采用AHP法做定量与定性的综合评价，选出合适的第三方物流服务商。
　　
　　一、 基于DEA方法的有效性评价
　　
　　1.DEA的基本模型
　　数据包络分析法是以相对效率概念为基础发展起来的一种效率评价方法，是处理多目标决策问题的有效方法。该方法的特点是在输入和输出的观察数据基础上，采用变化权来对决策单元进行评价。
　　将参加投标的第三方物流服务商作为决策单元，设参加投标的第三方物流服务商有n个，每个物流服务商有m种类型的数据输入（X）和s种类型的数据输出（Y），定义
　　
　　为物流服务商的效率评价指数，适当地选取权系数和，使其满足。
　　现在对第个物流服务商进行效率评价，以权系数和为变量，以第个物流服务商的效率指数为目标，以所有物流服务商的效率指标为约束，构成如下的分式规划模型：
　　
　　（2）式的最优目标函数值表示第个备选物流服务商的综合效率。若则表示在选定的权重下，没有对象比第个对象更有效；若，那么第个对象不是最有效的。也就是说，在选择最有利于的权重下，至少有一个别的候选对象比第个对象更有效率，对每个候选对象，公式（2）都要执行一次，最终可确定出综合效率为1的一组候选伙伴。
　　
　　2.交叉效率的评价
　　被评价为有效的候选者，即相对效率值为1的物流服务商，还需要做进一步的分析，而那些无效的候选者则可去除，不必进一步考虑，因为在最有利它们的权重下被评为无效。相对有效值为1的候选者在总体上不一定都好，它们或许只是在不合适的或不现实的权重结构下，相对有效值达到1，可能只是在对它们最有利的个别输入、输出上权重过大，而忽视了其他的输入、输出项目。为了区分候选者是否在总体上比较好，本文运用交叉效率做进一步的评判。
　　交叉效率评价是指在提供其他决策单元最有利的权重下，一个决策单元的交叉有效性。可用下式表示：
　　
　　其中表示决策单元对决策单元的交叉效率，它是指使用的最优权重计算的有效性。表示候选者的第输出值；表示候选者的第输入值；表示候选者的输出项对应的权重；表示候选者的输入项对应的权重。
　　交叉效率可通过两两间的计算，构造一个比较矩阵。如果一个候选者能够在这个矩阵的各列均获得高有效性，则可以认为它在总体上是好的。平均交叉效率值高的决策单元是性价比好的物流服务商，成为外包企业的候选合作伙伴。
　　
　　二、层次分析模型
　　
　　层次分析法是20世纪70年代由美国学者Saaty A L 创立的一种定性与定量分析相结合的多目标决